Was ist Soft Computing: Techniken und Unterschiede

Die Berechnung ist ein Prozess zum Konvertieren der Eingabe eines Formulars in ein anderes gewünschtes Ausgabeformular unter Verwendung bestimmter Steueraktionen. Nach dem Konzept der Berechnung wird die Eingabe als Antezedenz und die Ausgabe als Konsequenz bezeichnet. Eine Zuordnungsfunktion konvertiert die Eingabe eines Formulars unter Verwendung bestimmter Steueraktionen in eine andere Form der gewünschten Ausgabe. Das Computerkonzept ist hauptsächlich anwendbar auf Informatik Ingenieurwesen . Es gibt zwei Arten von Computing: Hard Computing und Soft Computing. Hard Computing ist ein Prozess, bei dem wir den Computer so programmieren, dass bestimmte Probleme mithilfe bereits vorhandener mathematischer Algorithmen gelöst werden, die einen genauen Ausgabewert liefern. Eines der grundlegenden Beispiele für Hard Computing ist ein numerisches Problem.

Was ist Soft Computing?

Soft Computing ist ein Ansatz, bei dem wir Lösungen für die bestehenden komplexen Probleme berechnen, bei denen die Ausgabeergebnisse ungenau oder unscharf sind. Eines der wichtigsten Merkmale von Soft Computing ist, dass es anpassungsfähig sein sollte, damit Änderungen in der Umgebung die Gegenwart nicht beeinträchtigen Prozess. Das Folgende sind die Merkmale von Soft Computing.

• Es ist keine mathematische Modellierung erforderlich, um ein bestimmtes Problem zu lösen
• Es gibt verschiedene Lösungen, wenn wir von Zeit zu Zeit ein Problem mit einer Eingabe lösen
• Verwendet einige biologisch inspirierte Methoden wie Genetik, Evolution, Partikelschwarm, menschliches Nervensystem usw.
• Adaptiv in der Natur.

Es gibt drei Arten von Soft-Computing-Techniken die Folgendes umfassen.

• Künstliche neuronale Netz
• Fuzzy Logic
• Genetischen Algorithmus

Künstliche neuronale Netz

Es ist ein verbindungsorientiertes Modellierungs- und parallel verteiltes Netzwerk. Es gibt zwei Arten ANN (Künstliches Neuronales Netz) und BNN (Biological Neural Network). Ein neuronales Netzwerk, das ein einzelnes Element verarbeitet, wird als Einheit bezeichnet. Das Komponenten der Einheit sind Eingabe, Gewicht, Verarbeitungselement, Ausgabe. Es ähnelt unserem menschlichen neuronalen System. Der Hauptvorteil besteht darin, dass sie die Probleme parallel lösen. Künstliche neuronale Netze verwenden elektrische Signale zur Kommunikation. Der Hauptnachteil ist jedoch, dass sie nicht fehlertolerant sind. Wenn also künstliche Neuronen beschädigt werden, funktioniert dies nicht mehr.

Ein Beispiel für ein handgeschriebenes Zeichen, bei dem ein Zeichen von vielen Menschen auf Hindi geschrieben wird. Möglicherweise schreiben sie dasselbe Zeichen, jedoch in einer anderen Form. Wie unten gezeigt, können wir den Charakter auf jede Art und Weise verstehen, da man bereits weiß, wie der Charakter aussieht. Dieses Konzept kann mit unserem neuronalen Netzwerksystem verglichen werden.

Soft-Computing

Fuzzy Logic

Der Fuzzy-Logik-Algorithmus wird verwendet, um die Modelle zu lösen, die auf logischen Überlegungen wie ungenau und vage basieren. Es wurde 1965 von Latzi A. Zadeh eingeführt. Die Fuzzy-Logik liefert den festgelegten Wahrheitswert mit dem geschlossenen Intervall [0,1]. Wobei 0 = falscher Wert, 1 = wahrer Wert.

Ein Beispiel für einen Roboter, der sich innerhalb kurzer Zeit von einem Ort zum anderen bewegen möchte, wo sich viele Hindernisse auf dem Weg befinden. Nun stellt sich die Frage, wie der Roboter seine Bewegung berechnen kann, um den Zielpunkt zu erreichen, ohne auf ein Hindernis zu stoßen. Diese Arten von Problemen haben ein Unsicherheitsproblem, das unter Verwendung von Fuzzy-Logik gelöst werden kann.

Fuzzy - Logik

Genetischer Algorithmus im Soft Computing

Der genetische Algorithmus wurde 1965 von Prof. John Holland eingeführt. Er wird verwendet, um Probleme zu lösen, die auf Prinzipien der natürlichen Selektion basieren, die unter den evolutionären Algorithmus fallen. Sie werden normalerweise für Optimierungsprobleme wie die Maximierung und Minimierung von Zielfunktionen verwendet, bei denen es sich um zwei Arten von Ameisenkolonien und Schwarmpartikeln handelt. Es folgt biologischen Prozessen wie Genetik und Evolution.

Funktionen des genetischen Algorithmus

Der genetische Algorithmus kann die Probleme lösen, die nicht in Echtzeit gelöst werden können, auch als NP-Hard-Problem bekannt. Die komplizierten Probleme, die nicht mathematisch gelöst werden können, können leicht durch Anwendung des genetischen Algorithmus gelöst werden. Es handelt sich um eine heuristische Suche oder eine randomisierte Suchmethode, die einen ersten Satz von Lösungen bereitstellt und eine Lösung für das Problem effizient und effektiv generiert.

Ein einfacher Weg, diesen Algorithmus zu verstehen, besteht darin, das folgende Beispiel einer Person zu betrachten, die etwas Geld in die Bank investieren möchte. Wir wissen, dass verschiedene Banken mit unterschiedlichen Schemata und Richtlinien verfügbar sind. Sein individuelles Interesse ist, wie viel Betrag in die Bank investiert werden soll, damit er maximalen Gewinn erzielen kann. Es gibt bestimmte Kriterien für die Person, wie sie investieren kann und wie sie durch eine Investition in die Bank profitieren kann. Diese Kriterien können durch den Algorithmus „Evolutional Computing“ wie das genetische Computing überwunden werden.

genetischen Algorithmus

Unterschied zwischen Hard Computing und Soft Computing

Der Unterschied zwischen Hard Computing und Soft Computing ist wie folgt

Vorteile

Die Vorteile von Soft Computing sind

• Die einfache mathematische Berechnung wird durchgeführt
• Gute Effizienz
• In Echtzeit anwendbar
• Basierend auf menschlichen Überlegungen.

Nachteile

Die Nachteile von Soft Computing sind

• Es gibt einen ungefähren Ausgabewert
• Wenn ein kleiner Fehler auftritt, funktioniert das gesamte System nicht mehr. Um das gesamte System zu überwinden, muss es von Anfang an korrigiert werden. Dies ist ein zeitaufwändiger Prozess.

Anwendungen

Das Folgende sind die Anwendungen von Soft Computing

• Steuert Motoren wie Induktionsmotor , DC-Servomotor automatisch
• Kraftwerke können mit einem intelligenten Steuerungssystem gesteuert werden
• Bei der Bildverarbeitung kann die gegebene Eingabe eine beliebige Form haben, entweder Bild oder Video, die unter Verwendung von Soft Computing bearbeitet werden, um ein genaues Duplikat des Originalbilds oder -videos zu erhalten.
• In biomedizinischen Anwendungen, die eng mit Biologie und Medizin verbunden sind, können Soft-Computing-Techniken verwendet werden, um biomedizinische Probleme wie Diagnose, Überwachung, Behandlung und Therapie zu lösen.
• Intelligente Instrumente sind heutzutage im Trend, bei denen intelligente Geräte automatisch mit anderen Geräten über einen bestimmten Satz von Geräten kommunizieren Kommunikationsprotokolle um bestimmte Aufgaben auszuführen, aber das Problem hier ist, dass es kein geeignetes Standardprotokoll für die Kommunikation gibt. Dies kann durch die Verwendung von Soft-Computing-Techniken überwunden werden, bei denen die intelligenten Geräte über mehrere Protokolle mit hoher Privatsphäre und Robustheit kommuniziert werden.

Das Rechnen ist eine Technik, die verwendet wird, um bestimmte Eingaben unter Verwendung einer Steueraktion in die gewünschte Ausgabe umzuwandeln. Es gibt zwei Arten von Computertechniken: Hard Computing und Soft Computing. Hier in unserem Artikel konzentrieren wir uns hauptsächlich auf Soft Computing, seine Techniken wie Fuzzy-Logik, künstliches neuronales Netzwerk, genetischer Algorithmus, Vergleich zwischen Hard Computing und Soft Computing, Soft Computing-Techniken, Anwendungen und Vorteile. Hier ist die Frage „Wie sind weich Computing ist im medizinischen Bereich anwendbar? '